研究人员调查了在 $\ell_1$ 攻击图像模型时限制大幅坐标变化的影响。通过为每个坐标的扰动预算添加上限,他们发现即使峰值幅度和有效支持度显著降低,攻击成功率仍能保留很大一部分。这表明扰动集中度是评估模型对抗对抗性攻击鲁棒性的一个关键但常被忽视的因素。 AI
影响 强调扰动集中度是评估对抗性攻击的关键因素,可能影响未来的模型鲁棒性研究。
排序理由 该集群包含一篇详细介绍对抗性攻击新研究成果的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →